高斯过程混合模型相关论文
高斯过程回归是机器学习中解决非线性回归的一种典型回归方法.然而,单一的高斯过程难以拟合非平稳、多模态的时序数据.另外,在实际......
针对实时变化且不同时段差异大的时间序列,提出一种基于高斯过程混合模型的预测算法.该算法首先对时间序列进行预处理,并采用密度......
流是自然界普遍存在的一种现象。信息流与能量流均为流的具体表现形式。常见的信息流有网络流量、交通流量等,常见的能量流有太阳......
将若干个简单或普通的模型融合起来形成混合模型用于解决复杂问题是统计学习理论中一个非常重要的策略。实际上,融合多个分类器(Cl......
政府采购商城是各地政府在互联网上的采购平台,每天要处理大量供货电商数据。面对数据来源各异、品类众多且书写格式无统一规范等......
作为一种有效的数据建模和分析工具,高斯过程混合(MGP)模型被广泛地应用于时间序列的分析与预测,并成为一种新的机器学习模型。在......
债券分析的核心问题是发现偿还期限与到期收益率之间的关系,即利率期限结构,而实际上国债利率期限结构是最为重要和基本的模式。目......
高斯过程混合(GPM)模型近年来在机器学习领域备受关注。GPM由多个高斯过程(GP)模型依据设定的门限函数组合而成。GPM模型较之于GP......
高斯过程混合(Gaussian Processes Mixture,GPM)模型现有的学习算法如马尔科夫链蒙特卡洛法、变分法或留一法等,计算复杂度偏高,提......
为了避免现有的基于视觉的机械臂抓取方法中存在的标定繁琐和求逆困难的不足,提出一种基于高斯过程混合模型的机械臂抓取方法.在学......
高斯过程(GP)是一类非常重要的机器学习模型,多个高斯过程用门限函数组合成高斯过程混合(GPM)模型,此模型适用于大批量、多模态数......
近年来高斯过程（Gaussian Process，GP）模型已成为一种重要的机器学习方法。它综合了基于核的机器学习与基于贝叶斯推理机器学习的特点......
精准的网络流量预测可以避免网络崩溃,保证网络的流畅度。将高斯过程混合(GPM)模型应用于网络流量的多模态预测。对两段不同地区的......
